Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases.
Main Author: | |
---|---|
Other Authors: | |
Format: | masterThesis biblioteca |
Language: | spa |
Published: |
2018
|
Subjects: | Applied computing-Agriculture, Machine Learning, |
Online Access: | http://hdl.handle.net/11086/6841 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
dig-unc-ar-11086-6841 |
---|---|
record_format |
koha |
spelling |
dig-unc-ar-11086-68412022-10-13T11:27:25Z Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba Nolasco, Miguel Martín Scavuzzo, Carlos Marcelo Bocco, Mónica de Lourdes Applied computing-Agriculture Machine Learning En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases. 2018-11-14T19:42:48Z 2018-11-14T19:42:48Z 2018 masterThesis http://hdl.handle.net/11086/6841 spa Atribución-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-sa/4.0/ |
institution |
UNC AR |
collection |
DSpace |
country |
Argentina |
countrycode |
AR |
component |
Bibliográfico |
access |
En linea |
databasecode |
dig-unc-ar |
tag |
biblioteca |
region |
America del Sur |
libraryname |
Biblioteca 'Ing. Agrónomo Moisés Farber' de la Facultad de Ciencias Agropecuarias |
language |
spa |
topic |
Applied computing-Agriculture Machine Learning Applied computing-Agriculture Machine Learning |
spellingShingle |
Applied computing-Agriculture Machine Learning Applied computing-Agriculture Machine Learning Nolasco, Miguel Martín Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba |
description |
En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con
datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina.
Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo.
La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases. |
author2 |
Scavuzzo, Carlos Marcelo |
author_facet |
Scavuzzo, Carlos Marcelo Nolasco, Miguel Martín |
format |
masterThesis |
topic_facet |
Applied computing-Agriculture Machine Learning |
author |
Nolasco, Miguel Martín |
author_sort |
Nolasco, Miguel Martín |
title |
Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba |
title_short |
Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba |
title_full |
Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba |
title_fullStr |
Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba |
title_full_unstemmed |
Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba |
title_sort |
mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de córdoba |
publishDate |
2018 |
url |
http://hdl.handle.net/11086/6841 |
work_keys_str_mv |
AT nolascomiguelmartin mapeoremotomultisensordecoberturasagricolasextensivasenlazonacentraldecordoba |
_version_ |
1756009386289922048 |